四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于观测器的传感器故障检测与信号重构方法

针对含未知有界干扰输入的线性系统进行传感器故障检测研究.通过对输出信号进行非奇异线性变换,将传感器故障等效转化为执行机构故障,提出对干扰具有鲁棒性、对故障具有敏感性的残差生成方法,设计滑模观测器进行残差估计,实现对传感器故障的检测,得到对传感器故障信号的精确估计,并实现对传感器信号的重构.基于飞机纵向小扰动模型,对于传感器的缓变偏差、突变偏差、完全失效和反相等故障的信号重构仿真结果都表明了该方法的有效性.     

基于FDDPB方法的卫星姿态控制系统故障诊断

针对卫星姿态控制系统故障诊断问题,将执行机构及输出传感器的阶跃型和缓变型输出偏差统归于一种"参数偏差"型故障,介绍了改进的参数偏差型故障的实时检测与诊断 (FDDPB,Fault Detection and Diagnostics of Parameter Bias)算法,说明了此算法在卫星姿态控制系统执行机构和传感器故障诊断中的应用.引入卫星姿态动力学模型和飞轮模型,建立了算法仿真模型,选取执行机构阶跃型和缓变型故障作为故障注入条件,将该算法用于实验验证.仿真结果表明:该算法能够检测出系统发生的故障,且能够准确估计出故障幅值.      

基于事件触发的航天器姿态自适应容错控制

针对航天器通信和计算资源约束以及执行器故障场景下的姿态控制问题,提出了一种基于事件触发的航天器姿态自适应容错控制策略。首先,采用自适应方法估计故障信息、外界扰动等系统中未知参数,并引入事件触发机制,在执行器故障下实现容错控制的同时,节约星载计算机的计算资源。然后,基于李雅普诺夫方法证明了所提出的控制策略保证了闭环系统状态全局一致且最终有界稳定,并能有效避免Zeno现象,保证了执行器故障场景下对姿态的精确控制。最后,应用于航天器的姿态稳定试验,仿真结果验证了该方法的有效性。     

执行器故障下无人机-无人车异构编队控制

针对存在执行器故障的无人机-无人车异构系统,研究了编队跟踪容错控制问题。首先,异构系统采用有向图的拓扑结构,且并非所有无人机/车都能接收到参考信号,故在充分考虑无人机/车运动学模型存在较大差异的前提下,设计了一种针对两类系统都通用的分布式信号估计器来获取参考信号的信息。然后,基于参考信号估计值,利用鲁棒自适应控制理论,提出了形式统一的分布式容错控制协议。该协议无需获取精准故障信息,就能有效地补偿故障对异构系统性能的影响,确保异构系统在故障情况下仍能按照预先设定的编队构型跟踪上外界参考信号。最后,通过仿真试验验证了所提算法的有效性。     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

基于迁移学习的四旋翼无人机性能驱动的故障检测

致力于解决四旋翼无人机的故障检测问题.考虑到无人机模型是一个非线性强耦合的模型,提出一种基于神经网络的性能驱动故障检测方法.然而,当无人机进入新的重力场时,已建立的故障检测系统无法适用.为了解决这个问题,进一步提出一种基于迁移学习的故障检测方法.通过子空间迁移方法和布雷格曼散度度量方式,将源域与目标域对齐,并实现了神经网络的参数迁移以及阈值设定.在四旋翼无人机系统中验证了本文所提出的方法的有效性.     

非线性系统多故障诊断方法

给出了非线性系统的一种基于模糊奇偶方程的多故障诊断方法.解决了非线性系统中同时出现多种故障时的故障检测与识别问题.首先构造线性系统的全解耦奇偶方程,再应用T-S模型融合非线性系统各个工作点处的线性模型的全解耦奇偶方程得到模糊奇偶方程.模糊奇偶方程产生的残差仅对一个执行器故障敏感、对一个传感器不敏感,而对其他执行器不敏感、对其他传感器敏感.将传感器和执行器故障模型表示成偏差的形式,根据残差信息可以估计出故障的模型参数.给出了应用递推最小二乘方法对各故障模型的参数进行估计的方法.给出了铁路牵引控制系统的感应电机仿真实例.结果表明,新方法能够对传感器故障和执行器故障同时存在的多故障进行诊断.     

航空发动机传感器与执行机构信息重构算法

为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构,缓解故障对发动机性能的影响,在已有故障检测和故障隔离算法的基础上,提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明:基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度,两种故障情形下故障幅值的估计值的均方根误差均不超过0.005,故障部件信息重构后故障对系统性能的影响得到有效缓解。